基于神经网络的深度学习专利分析

赵翠翠

摘 要：深度学习是基于神经网络发展起来的技术。深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。本文利用incopat平台对利用神经网络的深度学习进行了专利检索，并对申请趋势、申请地域分布、重要申请人及其专利价值度等维度进行分析。

关键词：神经网络;深度学习;专利分析

引言

深度学习算法模型从应用层面来讲，主要分为生成式对抗网络[1]、卷积神经网络[2]和循环神经网络[3]。除此之外，深度学习网络还包括图神经网络、强化学习、元学习、自动化积极学习方面的算法和模型。本文仅对深度学习算法模型中的卷积神经网络、循环神经网络和生成式对抗网络进行检索，并对检索结果进行分析。

1申请量分析

图1中是对国内外神经网络深度学习技术年增量的统计，从图1中可以看出，在2014年以前该技术的申请量一直缓慢增长，从2014-2019年之间增长量呈“J”型，并于2019年达到顶峰，年申请量为20742件。从2020年-2021年申请量出现了断崖式下跌，2021年的申请量仅为10104，比2019年的申请量减少了一半多。

深度学习的申请量大增，这与市场需求以及数据量、计算机的计算能力是分不开的。目前，我们已经进入数字化时代，可以采集到更多的数据，计算机软硬件的快速发展，使得计算机的计算能力大幅度提高，这为深度学习的发展奠定了基础。……